AI컴퓨팅 미래 전략: 왜 AI컴퓨팅 교육이 필요한가?
코딩 교육을 넘어, AI 아키텍트의 시대로
컴퓨터공학 교육 및 인재 수급의 변화
지난 수십 년간 컴퓨터공학 분야는 폭발적인 성장세를 보였다. 미국에서는 2011년부터 2022까지 컴퓨터과학 전공 학생 수가 2.5배로 증가하며 정점을 찍었지만, 2025년 CS 전공 등록이 -3.6%감소하였다. 스탠퍼드대학교 등 최고 수준의 대학들에서는 컴퓨터공학 전공자 수가 정체 또는 감소하기 시작했고, 프린스턴대학교의 경우 현재 추세가 이어질 시 2년 내 졸업생 규모가 25% 줄어들 것으로 전망되었다. 이러한 학부생 풀 규모 정체 현상은 듀크대학교에서도 초급 프로그래밍 수강생이 1년 새 20% 줄어드는 등 나타나고 있다. 국내에서도 KAIST 무학과학생들의 전산학부 봄학기 진입생 수가 22년 대비 26년의 경우 44%가 감소하였다. 또한, 26년도 컴퓨터공학분야 정시입시 경쟁률이 소폭하향한 것을 볼수 있다(예: 서울대 24년 5.07:1, 25년 4.11:1, 26년 3.76:1). 이는 젊은 세대가 현실적인 취업 시장 전망에 반응한 결과로 분석된다. 실제로 최근 몇 년 사이 기술 업계의 대규모 해고와 채용 축소가 이어졌고, 생성형 AI 등의 기술 발전으로 코딩 직무 자동화가 가속화되면서 신입 개발자에 대한 수요가 급감하였다.
이러한 산업 변화는 고용 지표에도 뚜렷이 반영되고 있다. 2020년대 초반 팬데믹 이후 디지털 전환과 AI·데이터 수요 확대로 한때 CS 전공 인재 부족 현상이 나타났지만, 최근에는 엔트리 레벨(entry-level) 개발자 일자리 자체가 줄어드는 AI Jobpocalypse(AI로 인한 일자리 붕괴) 현상이 가속되고 있다. 예를 들어 구글은 신규 코드의 25% 이상을, 마이크로소프트는 자사 코드의 20~30%를 AI가 자동 생성하고 있으며, 이러한 AI코딩 도입은 기업 입장에서 초급 개발자 채용을 줄이는 방식으로 효율성을 높이는 효과를 내고 있다. 그 결과 미국에서 컴퓨터공학 관련 전공 졸업생의 실업률은 6.1%로 상승하여, 철학이나 미술사 등 일부 인문계 전공의 실업률(약 3%)을 두 배 이상 상회하는 수준이 되었다. 컴퓨터공학(특히 컴퓨터공학/컴퓨터과학) 전공의 취업난은 신입 공채 규모 축소, 기존 경력직과의 경쟁 심화로 이어지며, 22~27세 연령대에서 CS·수학 분야 취업자 수가 최근 3년간 8% 감소하는 등 청년층 고용에 부정적 충격을 주고 있다.
한편으로 2010년대 이후 급증한 전공 수요를 대학들이 충분히 소화하지 못해 교육의 질 문제가 제기(A History of Capacity Challenges in Computer Science)되어왔는데, 2026년 들어 전공자 수 증가세가 둔화됨에 따라 오히려 소수 정예 교육 기회가 생겨날 가능성도 언급되고 있다. 스탠퍼드 대학 Eric Roberts 교수는 CS 지원 증가/감소 패턴은 단순한 ‘인기 사이클’이 아니라, 반복되는 대학의 캐패시티 문제가 주원인이라고 꼬집었다. 실제로 닷컴 버블이나 최근의 AI 혁신과 같은 산업적 충격은 학생들의 전공 선택에 큰 영향을 미쳐 왔으며, 이 과정에서 노동시장 구조 변화보다 과도한 기대나 비관과 같은 잘못된 인식이 선택을 왜곡한 측면도 존재한다. 중요한 점은 1990년대 이후 컴퓨팅 관련 인력에 대한 총수요 자체는 장기적으로 감소한 적이 없다는 것이다. 최근 나타나는 변화 역시 수요 축소라기보다는 AI·데이터·보안·소프트웨어 공학 등으로의 세분화와 직무 재배치에 가깝다. 기술 진보는 기존 일자리를 단순히 대체하기보다 새로운 개발 영역과 서비스 수요를 지속적으로 창출하고 있다. 실제로 AI 확산 이후 SW 개발 활동은 오히려 증가하는 추세를 보인다. FT최근 기사에 따르면 2025년 3분기 기준 미국 GitHub 코드 업데이트는 기존 추세 대비 약 30% 증가했으며, 이에 따라 iOS 앱 출시 수는 전년 1월 대비 55%, 전 세계 신규 웹사이트 등록도 전년 대비 34% 증가한 것으로 나타났다. 이러한 지표들은 AI가 개발자 수요를 줄이기보다 소프트웨어 생산성과 시장 진입을 동시에 확대하고 있음을 시사한다.
미래 기술 역량에 대한 인식 변화는 대학의 교육 구조 재편을 촉발하고 있으며, 이러한 변화는 학생들의 전공 선택에도 직접적인 영향을 미치고 있다. 기존 소프트웨어 교육과 인재 양성 방식에 대한 의구심이 커지는 가운데, 학생들은 AI 특화 학과(예: 데이터 사이언스, AI 교육프로그램), 타 공학 분야(예: 전자·전기, 기계공학, 신소재 등), 융합 신기술 분야(예: 로봇공학, AI 반도체 등)로 관심을 돌리는 추세다. 특히 로봇, AI 칩(반도체) 등 차세대 유망 기술 분야가 부상하면서, 기존의 순수 소프트웨어 코딩 역량만으로는 미래 산업의 요구를 충족시키기 어렵다는 인식이 확산되고 있는 현실이다.
AI 퍼스트 시대의 도래와 요구 변화
이제 세계는 AI 퍼스트(AI-First) 시대의 패러다임 전환을 맞이하고 있다. 2010년대의 "모바일/클라우드 퍼스트" 트렌드를 넘어, 2020년대 "ChatGPT Moment" 이후 AI를 모든 산업과 사회 시스템의 전제로 삼는 변화가 가속화되고 있다. 구체적으로 다음과 같은 전환 양상을 보인다.
산업 설계의 AI 전제화: 기존 제조, 콘텐츠, 바이오, 금융 등 전통 산업이 AI를 단순 도입하는 단계를 넘어, AI를 중심으로 재설계되는 산업구조로 변화하고 있다. 이제 기업들은 제품과 서비스를 개발할 때 AI 활용을 전제 조건으로 삼고, 처음부터 AI와 결합된 가치사슬을 구축하려 하고 있다.
가치사슬의 재편 및 수직 통합: 데이터 수집부터 AI 모델 개발, 컴퓨팅 인프라 활용, 시스템 통합과 서비스 운영에 이르는 전 과정에 AI 역량이 핵심 요소로 부상했다. 과거에는 IT부서 또는 특정 영역에 국한되던 AI 기술 역량이 이제는 기업 활동 전반의 경쟁력을 좌우하며, 모델-컴퓨팅-응용서비스가 종단간(end-to-end)으로 긴밀히 통합된 형태가 요구된다.
경쟁의 초점 변화: 산업 주도권 경쟁에서 “누가 AI를 더 많이 활용하는가”보다 “누가 자기 산업에 맞는 AI 모델과 컴퓨팅 시스템을 직접 설계·내재화할 수 있는가”가 승패를 가르는 요인이 되고 있다. 즉, 외부에서 주어진 AI 도구를 활용하는 수준을 넘어 각국과 기업이 고유한 AI 알고리즘과 인프라를 확보하여 맞춤형 혁신을 추진하는가가 핵심이다.
국가 전략 자산으로서의 AI 인프라: AI 서비스 구현에 필수적인 초거대 컴퓨팅 인프라, AI 반도체, 핵심 알고리즘 기술, 도메인별 대규모 데이터가 이제는 개별 기업을 넘어 국가 산업 경쟁력의 전략 자산으로 인식되고 있다. 이에 각국 정부는 AI 인프라 투자와 핵심 인재 양성을 국가 전략 차원에서 추진하며, AI 자체를 국가 경쟁력의 기반으로 삼는 장기 비전을 수립하고 있다.
이러한 AI-First 시대에 대비하기 위해서는 기존의 교육 및 인재 양성 방식에도 근본적인 변화가 요구된다. 과거에는 다양한 전공자들이 도구로서 AI를 활용할 수 있도록 하는 교육이 중요했다면, 이제는 AI 자체를 설계하고 통합 운용할 수 있는 핵심 인재를 길러내는 것이 중요해졌다. 다시 말해, “AI를 사용하는 인력”이 아닌 “AI를 자체 개발하고 시스템에 구현하는 인력” 중심으로 인재 전략을 전환해야 한다. 또한 AI 모델 개발-컴퓨팅 인프라-산업 적용을 종합적으로 이해하고 설계할 수 있는 전방위 역량이 미래 기술 리더의 표준 요건으로 부각되고 있다. 이러한 풀스택(full-stack) AI 역량을 갖춘 인재는 단기적으로는 어느 한 분야의 기술 경쟁에서 우위를 점할 뿐만 아니라, 중장기적으로 국가 차원의 AI 역량 축적과 산업 전반의 혁신을 이끌 수 있기 때문이다.
AI컴퓨팅학과의 역할과 필요성
KAIST AI 단과대학 산하에는 4개의 세부 학과가 신설되었으며, 각각 상호 보완적 역할을 담당한다.
인공지능(AI)컴퓨팅학과: AI 이론, 알고리즘, 수학, 시스템 기반 교육을 통해 최신 AI 모델(예: 생성형 AI, 멀티모달 AI, 에이전틱 AI)을 설계·개발·운영할 수 있는AI 핵심 인재(AI-Native)를 양성한다. 즉, AI 모델 자체를 만드는 인재를 키우는 학과로, 대규모 언어모델(LLM) 최적화, NPU 친화적 알고리즘 설계, 분산 학습 및 MLOps 등 모델 개발부터 서비스 설계·개발·운영까지 잇는 풀스택 소프트웨어 역량을 교육과정에 통합한다. 이를 통해 전통적인 컴퓨터 공학 교육과 차별화된 AI 전문 교육을 제공하며, AI 시대의 설계자형 인재를 육성한다.
인공지능(AI)시스템학과: AI 구동을 위한 하드웨어 및 시스템 전문인력을 양성한다. 구체적으로 AI 반도체 소자·패키징, 고속 통신·전력·열 관리 기술, AI 시스템 구조 분석 등을 교육함으로써, 고성능·저전력 AI 반도체와 AI 컴퓨팅 시스템 설계·최적화 역량을 갖춘 전문가를 배출한다. 이는 AI 시대의 인프라 계층을 담당할 인재, 즉 AI 하드웨어(HW) 및 소프트웨어(SW)를 통합하는 전문가를 키우는 것으로, 국내 K-반도체 역량과 연계하여 AI 하드웨어 기술의 주도권을 확보하려는 전략적 의미가 있다.
인공지능 전환(AX)학과: AI+X 융합 인재를 육성하는 응용학과이다. 데이터·콘텐츠 AI, 물리·제조 AI, 바이오·소재 AI, AI 지속가능성 등 4개의 특화 트랙을 기반으로, AI 기술을 산업·사회 문제 해결에 직접 적용하는 현장형 융합 인재를 양성한다. AX 학과 출신 인재들은 제조업, 서비스업 전반의 AI 전환과 생산성 혁신을 주도할 것으로 기대되며, 한국이 강점을 가진 반도체, 자동차, 조선, 게임, 바이오 등 분야의 도메인 지식을 AI와 결합한 산업 특화형 전문가로 성장하게 된다. 해외 유수 대학들이 주로 AI 기초기술 교육에 집중하는 데 비해, KAIST AX학과는 산업별 특화 교육과정을 강조함으로써 차별화된 경쟁력을 확보하려는 포지션을 취하고 있다.
인공지능(AI)미래학과: AI 기술의 사회적 영향과 거버넌스에 초점을 맞춘 학과이다. AI 기술이 가져올 윤리적 문제, 데이터·알고리즘 윤리, AI 관련 정책·제도, AI 경제학, AI 거버넌스(법·제도) 등을 교육하여, 국가 차원의 AI 전략 수립과 사회·경제 전반의 AI 대전환을 선도할 미래 전략가를 육성한다. 이는 기술 못지않게 중요한 AI 윤리·정책 전문가를 양성함으로써, AI 확산 과정에서의 사회적 수용성과 지속가능성을 담보하려는 취지이다.
이 중 AI컴퓨팅학과는 AI 단과대학의 중추로서 특히 중요한 역할을 담당한다. AI컴퓨팅학과는 기존의 컴퓨터공학 교육을 한 단계 발전시켜, AI 시대에 특화된 컴퓨팅 전문지식을 다룬다. 과거 전산학과(컴퓨터공학)과가 범용 소프트웨어 개발자 양성을 목표로 했다면, AI컴퓨팅학과는 AI 모델 개발 및 운영에 특화된 풀스택 인재를 길러내는 것을 목표로 한다. 즉, AI 모델 자체를 만드는 인재를 키우는 학과로, 대규모 언어모델(LLM) 최적화, NPU 친화적 알고리즘 설계, 분산 학습 및 MLOps 등 모델 개발부터 서비스 설계·개발·운영까지 잇는 풀스택 소프트웨어 역량을 교육과정에 통합한다. AI컴퓨팅학과에서는 이러한 분야를 핵심 커리큘럼으로 삼아 AI 시대의 소프트웨어 엔지니어 표준을 재정립할 것이다. 이는 단순히 모델을 사용하는 사용자 수준을 넘어서, 모델을 만들고 개선하며 새로운 AI 시스템을 설계하는 주도적 역량을 함양하는 데 초점을 맞춘다. 한국형 초거대 언어모델 개발, 산업별 특화 AI 알고리즘 구현, 실시간 대규모 AI 서비스 운영 등에서 향후 세계를 선도할 인재가 이 학과에서 배출될 것으로 기대된다.
나아가 AI컴퓨팅학과와 AI시스템학과의 연계를 통해 소프트웨어-하드웨어 수직 통합형 연구가 가능해진다. 예를 들어, AI컴퓨팅학과 학생들이 개발한 새로운 AI 알고리즘은 AI시스템학과의 칩 설계 기술과 결합하여 최적화된 AI 전용 하드웨어로 구현될 수 있다. 이러한 종단간 협업 능력은 AI 시대에 한국이 독자적인 AI 플랫폼과 생태계를 구축하는 데 핵심적인 역할을 할 것이다. 또한 AI컴퓨팅학과는 AX학과 및 AI미래학과와도 교류하며, 기술 개발에서 나아가 산업 적용과 사회적 함의까지 이해하는 포괄적 시야를 학생들에게 제공할 것이다. 이는 곧 기술-응용-정책을 아우르는 거버넌스 마인드를 갖춘 AI 리더를 양성하는 기반이 된다.
AI컴퓨팅 인재가 이끌 미래
AI컴퓨팅 중심의 교육 혁신은 단순히 한 대학의 학과 신설을 넘어, 미래 기술 주도권 확보를 위한 국가 전략의 한 축이다. AI 퍼스트 시대에는 컴퓨팅 역량 그 자체가 경쟁력이며, AI를 만들어내는 능력이 AI를 활용하는 능력보다 더 큰 가치로 평가받게 될 것이다. 따라서 이제 교육도 “AI를 배우는 것”에서 “AI를 창조하는 것”으로 무게중심을 이동해야 한다. KAIST AI컴퓨팅학과를 비롯한 AI 단과대학의 등장은 이러한 흐름에 부응하여 교육 패러다임을 전환하는 선도 사례라 할 수 있다.
물론 AI 기술의 발전 속도가 매우 빠른 만큼, 교육과 연구 역시 끊임없는 혁신이 필요하다. 대학에서는 산업계와의 긴밀한 협력, 현장 문제 중심의 프로젝트형 학습, 최신 연구결과의 커리큘럼 반영 등을 통해 실효성 있는 교육을 제공해야 할 것이다. 또한 글로벌 무대에서 경쟁하기 위해 해외 유수 대학 및 연구소와의 네트워크, 개방형 연구 생태계 조성도 중요하다. AI컴퓨팅 인재들은 이러한 환경에서 성장하여, 향후 국내 AI 생태계의 허브 역할을 수행하고 나아가 세계적인 AI 기술 리더로 발돋움할 것으로 기대된다.
저자 - KAIST 전산학부 이의진 교수. 인간-컴퓨터 상호작용(HCI)과 모바일·웨어러블 기반 디지털 헬스 및 감성 컴퓨팅 연구를 수행하고 있으며 KAIST 인터랙티브 컴퓨팅 연구실을 지도하고 있다.